GAIMHE: hybridation des systèmes tutoriels intelligents adaptatifs et de l'IA générative pour l'éducation
Sofiya Kobylyanskaya, Olivier Clerc, Axelle Ziegler, Catherine de Vulpillières, Pierre-Yves Oudeyer
Résumé : Nous présentons GAIMHE (Generative AI and Hybrid Models for Education), un projet industriel-académique consacré à l'hybridation des systèmes tutoriels intelligents adaptatifs et de l'IA générative pour l'éducation. Le projet part d'un double constat : les systèmes adaptatifs permettent de personnaliser les parcours, mais leur extension reste coûteuse du fait de la production manuelle de contenus; à l'inverse, les grands modèles de langage permettent une génération à grande échelle, tout en soulevant des enjeux de fiabilité, de contrôle pédagogique, de coût computationnel et d'intégrité des apprentissages. GAIMHE propose une architecture hybride dans laquelle le séquençage pédagogique reste gouverné par une architecture adaptative déjà déployée, tandis que l'IA générative est mobilisée, sous contraintes explicites, pour la pré-génération d'exercices, d'indices et de feedbacks. Ce résumé présente (i) le positionnement scientifique du projet, (ii) l'architecture envisagée, (iii) l'état d'avancement des pipelines de génération et de validation, et (iv) les principaux défis méthodologiques et pédagogiques liés à l'évaluation de cette hybridation en contexte scolaire réel.
Mots clés : IA en éducation, systèmes tutoriels intelligents, IA générative, personnalisation, évaluation